Apprendimento non supervisionato

Quali schemi cerca l’apprendimento non supervisionato?

L’apprendimento non supervisionato cerca schemi nei dati senza usare risposte obiettivo prestabilite per lo specifico compito di addestramento. Può raggruppare esempi simili oppure condensare molte caratteristiche in una rappresentazione più ridotta. Preparazione dei dati, caratteristiche e metodo influenzano quali somiglianze contino. Le persone devono definire e valutare il compito e l’utilità successiva dei risultati. Uno schema trovato non acquisisce automaticamente un’interpretazione operativa valida.

In un progetto di assistenza fittizio, messaggi senza etichette tematiche precedenti devono essere raggruppati per somiglianza di contenuto. Il personale esamina i gruppi ottenuti per verificare se riuniscano richieste ricorrenti in modo comprensibile. La lingua o formulazioni simili potrebbero influenzare il raggruppamento più del problema effettivo. Il gruppo di lavoro prevede quindi esempi della stessa richiesta con parole diverse e di richieste differenti con parole simili. I gruppi servono inizialmente all’esplorazione. La loro denominazione e l’eventuale uso come categorie di lavoro richiedono una valutazione distinta; priorità e responsabilità non sono ancora determinate.

Fonti

• Google · Machine Learning Glossary